基于注意力机制的微博情感分析

被引:47
作者
周瑛
刘越
蔡俊
机构
[1] 安徽大学管理学院
关键词
自然语言处理; 情感分析; 情感词; 注意力机制; LSTM模型;
D O I
10.16353/j.cnki.1000-7490.2018.03.018
中图分类号
TP391.1 [文字信息处理];
学科分类号
081203 ; 0835 ;
摘要
[目的/意义]微博作为人们表达观点的重要平台,已成为文本情感分析的一个研究热点。文章提出一个基于注意力机制的LSTM模型,以华为P10闪存门事件微博相关评论为研究对象,分析网络用户对该事件的情感趋向,以验证该模型的有效性。[方法/过程]引入深度学习理论,使用基于注意力机制的LSTM模型进行情感分析以更好地把握文本中的情感信息,提升情感分类的成功率。[结果/结论]基于注意力机制的LSTM模型是一个有效的模型,在分析较长文本的情感特征时更加准确,比较适合微博这类成段落的文本分析。[局限]对于颜文字、表情包等非文字信息无法进行处理及无法体现词与词之间的关系。
引用
收藏
页码:89 / 94
页数:6
相关论文
共 6 条
[1]  
面向微博短文本的情感分析研究.[D].刘楠.武汉大学.2013, 05
[2]   基于话题聚类及情感强度的中文微博舆情分析 [J].
吴青林 ;
周天宏 .
情报理论与实践, 2016, 39 (01) :109-112
[3]  
基于微博情感分析的电影票房预测研究.[J].史伟;王洪伟;何绍义;.华中师范大学学报(自然科学版).2015, 01
[4]   基于旋进原则和支持向量机的文本情感分析研究 [J].
唐晓波 ;
严承希 .
情报理论与实践, 2013, 36 (01) :98-103+93
[5]   基于层次结构的多策略中文微博情感分析和特征抽取 [J].
谢丽星 ;
周明 ;
孙茂松 .
中文信息学报, 2012, (01) :73-83
[6]   Long short-term memory [J].
Hochreiter, S ;
Schmidhuber, J .
NEURAL COMPUTATION, 1997, 9 (08) :1735-1780